业务运营指标体系（转载）

数据的一大价值就是建立业务指标体系，用以监控业务日常运营，并预警业务问题，定位问题原因，这算是数据的最早应用形式，前期BI都主要是做指标体系和相应平台的工作。同时，业务的各类人员都应该了解业务的指标体系，这样才能更好的利用指标开展工作，进行数据化运营。

       运营指标体系一定是结构化的，而不是零散的，结构化的好处主要有两个：一是当指标发生异常时，能够通过结构化的指标体系来定位问题；二是当我们要达到某个kpi指标时，可以通过指标体系来分解指标，让我们知道可以从哪些方面着手。结构化的指标体系就需要有个好的指标体系框架，现实工作中，各种指标浩瀚如海，而且各个业务还具有不同的特性。

       现在业界也有很多成熟的指标体系框架，如针对于移动APP的AARRR框架，Acquisition表示获取用户、Activation表示用户活跃度、Retention表示留存、Revenue表示收益、Refer表示传播，总的来说，是一个用户从拉新、拉活、留存、付费再到推广的一个过程，总的来说多为用户类指标和收入类指标，缺少关于业务量类指标。

       针对端游的 PRAPA，Promotion表示用户推广，Register表示用户注册，Active表示用户活跃，Pay表示用户付费，ARPU表示用户价值。对于一些业务，很多是没有用户注册这个阶段，同时，Pay和ARPU其实都是跟收入相关的指标，也缺少业务量类的指标。

       傅志华将移动APP指标体系分为用户规模和质量（包括活跃用户、新增用户、用户构成、用户留存、活跃天数）、用户参与度（包括启动次数、使用时长、访问页面和使用时间间隔）、渠道分析、功能分析（包括功能活跃、页面访问路径以及漏斗模型）、用户属性分析（包括设备终端、网络及运营商分析和用户画像）等五类指标。用户参与度属于用户类指标，渠道分析、功能分析、用户属性分析这些其实更应该被看成是分析指标的维度，而不是具体的指标。

       就我个人工作经验（运营商和互联网）来说，各个业务的指标体系大体可以分为三类：收入类指标（Revenue）、用户类指标（User）、业务量类指标（Number），简称为RUN指标体系。当然各个业务由于其业务类型和关注点不同而有其特性指标，同时还有基于这些基础指标的衍生指标，但是总的指标框架主要就是前面所述三大类指标。当然这几类指标有可能重叠交叉，如付费用户这个指标，其实既是收入相关指标，又是用户相关指标，但是其于收入关系更紧密一些，所以将其归为收入类指标。比如人均类指标都会涉及到业务量和用户，也是交叉的。这里我主要是为了用一个框架来统领所有的指标，不要求各类指标一定要不重不漏。

1、收入类指标

      收入是一个业务最终的价值体现，也是业务的血液和生命线，业务前期可以不产生太多收入和利润，如现在很多互联网企业都是前期烧钱抢用户，后期再逐渐流量变现，但是作为一个企业，你想要生存下去，则必须产生利润和收入。所以收入类指标一直在整个指标体系中占有很重要的地位，如果收入类指标出现问题，老板很可能会大发雷霆，各种分析报告接踵而来。这里的收入类指标是一个更加广泛的类别，不再局限于财务上的收益，还包括支出、利润、成本、ARPU、付费用户、付费率等收入相关指标，涉及不少财务类的指标。

1.1、收入

       在收入类指标中，最重要的指标当然是收入，当然不同的行业关注的收入各有不同，如游戏行业关注流水，运营商行业关注出账收入。

1.1.1、流水

       流水在游戏等行业中使用的特别多，流水指业务产生的收入流，没有剔除任何成本，而且有些部分不会计入营业收入。在游戏行业中，流水指游戏玩家在游戏中的充值，包括平台赠送的一些游戏币，这些流水会由渠道商、发行商、CP划分，流水的规模也反映了游戏的受欢迎程度、前期宣传和IP效应等。

       流水按照付费结构划分，可以分为新增付费和存量付费，新增付费指用户的首次付费，存量付费指有付费记录用户产生的付费，新增付费又可以分为新注册付费和未付费转化付费，新注册付费是指用户在当天（或当周、当月）新注册且付费，未付费转化付费指用户在当天以前就已经注册了，只是在当天才第一次付费。

       那些充值的玩家则叫付费用户，这些付费用户多为游戏的重点运营和维护用户，根据其价值高低，又可以分为小鱼用户、海豚用户和鲸鱼用户（即所谓的大R用户，一般月付费1000元及以上），鲸鱼用户更是游戏用户运营的重点目标用户，贡献了大多数收入。

       付费用户除以活跃用户则是付费率，反映了游戏的付费吸引力，一般来说，休闲益智类游戏付费率较高，但是ARPPU较低。

1.1.2、出账收入

       在运营商行业，主要关注出账收入，表示通过两次批价后产生的收入，还未减去折扣折让、结算收入、账后调账等项目。

       从出账收入的结构来看，出账收入可以分为语音收入、数据业务收入、集团业务收入。语音收入=计费时长*语音单价，而计费时长=通话用户*MOU，MOU表示人均计费时长；数据业务收入又可以分为流量收入和其它数据业务收入，其它数据业务收入主要包括彩信收入、自有互联网业务收入等，流量收入=计费流量*流量单价，计费流量=流量用户*DOU，DOU表示人均计费流量，流量用户=通信用户*流量普及率。集团业务收入又主要包括宽带收入、专线收入、ADC等信息化业务收入。

1.2、ARPU和ARPPU

       在收入类指标中，另外两个很重要的指标也是，ARPU（Average Revenue Per User）和ARPPU（Average Revenue Per Paying User），他们代表了用户的付费能力和用户价值，在运营商行业和互联网行业都很重要，一般会根据用户ARPU分层来划分不同价值的用户。

       ARPU指人均活跃用户付费，在互联网行业，ARPU=流水/活跃用户，在运营商行业，ARPU=出账收入/通信用户。ARPPU代表人均付费，在互联网行业，ARPPU=流水/付费用户，而在运营商行业则没有这种说法，因为运营商的所有用户都是要付费，都必须交月租。ARPU和ARPPU统计期间多为月，当然也有按日和周统计的。

1.3、LTV

       在收入类指标中，另一个很重要的指标就是用户生命周期价值（LTV，lifetime value），它是对用户终身价值的一个预估，然后跟用户获取成本（CAC，customer acquisition cost）进行比较，用以衡量获取用户策略是否划算，最高的获客成本能达到多少。

       与用户生命周期价值相关的概念是用户生命周期，用户生命周期是一个很常见的概念，代表了用户开始使用产品到最后流失的整个产品使用过程。用户生命周期很有价值的一点是，用户在不同生命周期有不同的表现和行为特征，有不同的需求，可以进行针对性运营，如对新增用户加强引导或对预流失用户进行挽留等。

       怎么预估用户生命周期则是一个难题，特别是一个新推出业务，更是难以预估其用户生命周期，除非参照其他同类成熟产品，但是有可能这个业务就是第一个吃螃蟹的，没有可参考的对象。如果是一个相对成熟业务，则能通过分析已流失用户来预估用户的生命周期。

       用户生命周期价值也是用户整个生命周期的价值，如针对游戏用户，则是用户累计一生游戏充值，ARPU和ARPPU衡量的是一个用户一段时间的付费，如日、月，显然用户生命周期价值更有意义，但是怎样准确预估用户生命周期价值也是一个难题。

       现在通用做法多为通过新增用户随后几天的付费来计算3天LTV（新增用户随后三天的人均付费金额）、7天LTV、30天LTV，都是基于用户短时间的付费金额，计算一个平均值，用户前期的表现肯定会跟后期不一样，想用前期的数据预估用户的生命周期，显然准确性不高。最好是通过用户人均生命周期，计算新增用户在这个人均生命周期能够产生的价值，即一个长时间段的LTV，如一个游戏用户平均3个月的生命周期，则用户生命周期价值为新增用户随后3个月的付费金额。

2、用户类指标

    用户类指标用来监控用户规模、用户结构和用户健康度等，让业务人员知道当前业务用户规模是多少、处于什么发展阶段、是怎样构成的等。对于互联网产品来说，用户就是一切的基础，没有用户根本谈不上流量变现、收入这些，对用户类指标怎样重视都不过分。用户类指标中，最重要的当然是活跃用户、新增用户、留存用户、流失用户等，当然首先要有一个用户结构来统领这些指标。

2.1、用户结构

      在用户类指标中，我最想提及的就是整个用户结构，这个整个用户类指标的整体框架，这个框架将用户类指标整合起来了，能够让业务人员结构化的监控用户发展情况。以下为互联网产品的用户结构框架。

       在整个用户结构中，我们以累计活跃用户为起点，这里以天为例，当天累计活跃用户可以分为当天活跃用户和当天不活跃用户。

       当天活跃用户又可以分为当天新增活跃用户和存量活跃用户（当天以前新增的用户在当天活跃），当天新增活跃用户又是新安装应用用户转化而来的（可能是当天新安装的，也可能是以前新安装的直到今天才使用），当天新增活跃用户随后第N天还活跃的用户即为第N天留存用户。存量活跃用户又可以分为连续活跃用户（昨天和今天都活跃的用户）和回流用户（今天活跃、昨天不活跃但以前活跃过的用户），当然我们还可以对连续活跃用户进一步细分，如连续N天活跃用户。

       在当天不活跃用户中，又可以分为流失用户和沉默用户，流失用户为连续N天不活跃用户（根据具体业务类型而定），沉默用户指最近几天活跃过但是当天不活跃用户（在不活跃用户中，除了流失用户就应该是沉默用户）。

       以下为运营商行业的用户结构框架情况，就不再具体描述了。

2.2、活跃用户

      活跃用户反映了业务当前的用户规模（每个决策者、产品人员、运营人员都应该关注的，至少别人问你你要知道自己产品的用户量大概是多少）、所处发展阶段（通过活跃用户发展趋势结合行业分析），同时，也是整个业务价值变现的基础。

      活跃用户指业务当前的用户量，可能是登录的用户算活跃用户，也可能是启动了的就算活跃用户，根据业务类型、企业关注点和获取数据的方式而定。如果数据来源于服务端，则需要联网请求的用户才能算活跃用户，如果数据来源于客户端，只要用户有操作行为，不管是否联网（当然需要联网上传操作数据），都能计算为活跃用户。有些企业以imei作为用户唯一标识，有些以账号作为用户唯一标识，还有些以自己定义的唯一标识为准。

       常见的统计期间主要有日（DAU）、周（WAU）、月（MAU），都会将用户剔重，不同类型业务关注的活跃用户统计期间有所差别，如高频业务（如微信、QQ）更关注日活跃用户，低频业务更关注周、月活跃用户（如团购、工具型应用等）。

       活跃用户容易受到运营动作的影响，往往一个活动或push就能较大影响活跃用户规模，所以当活跃用户发生异常时，首先要看是否是运营动作的影响，然后再分析其他原因。同时，活动和push也成为了运营人员的利器，往往用户指标就是通过它们来完成的。

       除了活跃用户规模指标外，还有一些体现活跃用户活跃度的指标，包括启动次数、活跃天数、使用时长、访问间隔等，体现了用户的活跃程度，这些指标主要看其用户分布情况。

2.3、新增用户

       新增用户指第一次使用业务的用户，新增用户反映了业务的发展能力和业务所处发展阶段，如新推出业务肯定新增用户占活跃用户比例较高，成熟业务新增用户肯定不应该太高，特别是业务推广前期，新增用户是特别重要的指标，如滴滴、快的当年利用补贴大量发展新增用户，在那个阶段，新增用户就是他们最关注的指标。有了新增用户，才有后面的用户活跃、用户留存和用户流失，所以新增用户是用户结构里基础。

       新增用户主要是靠各个渠道推广来获取的，如各个应用商店、搜索引擎、微信微博等，拉新也是运营人员的主要工作之一，这时候就要关注各个渠道拉新的效率，关注每个渠道的投资收益率，这时候就需要关注不同渠道的新增用户数和用户获取成本。除了关注渠道效益外，还要稽核渠道带来的用户的质量，这时候新增用户留存率就是一个很好的衡量指标，留存率高的渠道显然用户质量要高很多，防止渠道作弊。

       新增用户统计期间主要有日、周、月，用户进行剔重，其它相关指标还有新增用户占活跃用户比例、新增用户市场占比等。

2.4、留存用户

       留存用户指新增用户中后续还活跃的用户，如果用户只是不断新增，不断流失，用户规模基本没啥变化，显然这是没有任何意义的，用户大进大出，没有啥粘性。我们千辛万苦将用户拉进来，肯定都想他们能够更多的沉淀下来，这时候留存用户特别是留存率就是一个理想的衡量指标了，留存率往往反映了我们产品的质量、运营的效果和用户的粘性。

       一般我们说留存都是指新增用户随后一段时间活跃情况，为什么要选择同一天新增用户呐，因为同一天新增的用户更具有比较意义，如果是不同日期新增的用户，因为使用业务的时间长短不同，粘性肯定会不一样，比较意义不是太大。留存率有日留存、周留存、月留存，不同类型的产品，关注的留存类型不同。

       留存率表示某天新增的用户N天后有多少用户仍然活跃，一般比较关注的是次日留存率、3日留存、7日留存率、15日留存率、30日留存率，例如今天新增100个用户，明天还有50个用户活跃，则次日留存率为50%，如果第二天后还有30个用户活跃，也二日留存率为30%。当然留存率易受到push的影响，可以观察各类留存率的趋势判断是否受到push的影响，如次日、3日、7日等留存率都突然变高了，那么很显然是受到push和运营活动的影响。

       留存率主要在于比较，可以从以下几个方面解读留存率：

       1）对比竞品和自有产品的留存率，留存率的高低能够反映出产品质量的好坏，特别是次日留存率、3日留存率（研究表明大部分用户会在1-3日内卸载应用）；

       2）对比不同渠道的留存率，评估不同渠道带来用户的质量，如果某个渠道带来的用户留存率明显偏低，则要怀疑这个渠道是否存在造假；

       3）对比留存率时间趋势，评估新增用户质量是否变化，按日观察留存率趋势，如果某天留存率突然下降，则要考虑是不是当天新增用户质量有问题；

       4）对比产品不同版本留存率，评估不同版本的质量，特别是对于新迭代的版本，更要关注次日留存等指标，如果明显低于老版本，则要考虑是否迭代后不能满足用户需求，需要改进优化；

       5）通过留存率曲线评估产品好坏，留存率曲线是一条开始很陡峭、后面很平滑的曲线，如果产品的留存率曲线一直都很陡峭，最后维持在一个很低的值，则产品质量可能是有问题的。留存率曲线是根据各个时间构成的留存率随时间变化趋势，呈现的规律是：1-7日留存率快速下降，8-15日留存率下降幅度减缓，16-30日留存率则平缓下降。

       6）对比产品各功能模块的留存率，比如点击某个按钮的用户其随后的留存，以观察用户对产品各功能的粘性，也需结合各功能的使用频次。

2.5、 流失用户

       流失用户指某个期间连续不活跃的用户，当然在不同行业有不同的定义，对于互联网行业来说，基本流失用户都是指连续N天不活跃用户，对于运营商行业来说，流失用户指账号用户，就是用户电话号码销户。流失用户反映了产品对用户的粘性和业务所处发展阶段，当然是一个不好的指标，但是能够给我们预警，警惕并挽留将要流失的用户。

       针对运营商行业来说，用户流失的定义是很明确的，用户的这个电话销户了。针对互联网行业来说，流失用户的定义往往是困难的，需要结合不同业务的特征，确定不同的流失区间，一般需要结合回流率，如果定义的流失用户以后回流率很低（低于5%），则当前定义的流失区间是合理的。常见的流失区间有7日、15日、30日等，针对于游戏行业来说，一般用户流失30日后，回流的概率就极低。同时，流失用户也可以进一步细分，如换机流失、竞品流失、自然流失等。

       流失用户和留存用户不是一个对立的概念，并不是说没有流失的用户就是留存用户，或者没有留存的用户就是流失用户，因为两者的计算期间和条件往往是不同。例如，7日留存率是新增用户新增7日后仍活跃的用户，是在某一天的活跃情况，而流失用户往往是连续N天不活跃的用户，而留存用户没有连续多少天的概念。虽然两者之间没有明确的逻辑关系，但是往往留存率和流失率是负相关的，即留存率越高，流失率越低，这在大多数情况下都是成立，虽然不是绝对的关系。

       运营人员需要注重用户的流失，搞清楚用户为什么流失，流失用户有什么特征，能够怎样预测将要流失的用户，要怎样挽留预流失的用户。最好针对流失用户利用算法和模型建立流失用户预警模型，提前预警将要流失用户，定期输出用户清单，交由用户运营人员或客服人员进行挽留。

       跟流失用户紧密相关的另一个指标当然就是流失率，常见流失率也主要分为7日流失率、15日流失率、30日流失率，怎么使用流失率这个指标，其实跟留存率差不多，主要在于对比，对比不同渠道、不同产品、不同版本的流失率来发现问题。

3、业务量类指标    

       业务量类指标是包含指标最广泛的指标大类，包括用户几乎所有的使用行为，如功能按钮点击、页面浏览、业务使用等，业务量类指标是一个业务的价值承载，反映了业务的用户忠诚度和活跃度。

       业务量类指标主要分为核心业务量指标和普通业务量指标，每个业务都自己的核心业务量，如音乐的试听量、视频播放量、应用商店的安装量、网站的PV和UV、运营商的通话量和移动数据流量、电力企业的用电量、航空公司的客运量等，这些核心业务量是每个业务除了用户和收入类指标外最重要指标。核心业务量指标往往都是KPI指标之一，体现了用户使用某个产品的主要目的，怎样促进和优化用户使用则是运营人员需要思考的问题，如怎么提高视频的播放量、怎样提高应用的安装量。

       除了核心业务量指标外，还有其他常见的普通业务量指标，常见的如搜索量、评论量、分享量、UGC量、点击量、收藏量等，这些指标往往是很稀疏的，也就是说比较少的用户会有这些行为，而有这些行为的用户往往拥有极大的忠诚度或不满意度，这是值得我们重视的。如网易云音乐评论做得特别好，每首歌下往往有很多评论，用户除了听歌还会看评论，它挖掘了用户新的需求，也使用户粘性极大提高。针对互联网行业，其它更多的普通业务量类指标主要是用户功能的使用、页面浏览等，当然，每个业务都会有很多其个性化的业务量类指标，

4、衍生类指标

       当然除了以上三大类指标外，还有其他很多个性化的指标，还有很多衍生性指标，包括环比、同比、定比、占比、综合性指标等，有时候这些衍生指标比指标本身更具有代表意义。

       1）环比、同比、定比类指标。这是跟时间相关的三个重要衍生指标，环比有日环比、周环比、月环比、月累计环比等，如日环比表示今天的值比昨天的值的增长情况，活跃用户日环比=今日活跃用户/昨日活跃用户-1；同比有日同比、月同比、月累计同比、年累计同比等，如月同比表示本月的值比去年同期的值的增长情况，活跃用户月同比=本月活跃用户/全年同期活跃用户-1；定比是指本月的值比去年12月的值的增长情况，固定了比较的基准，活跃用户月定比=本月活跃用户/去年12月活跃用户-1。

       2）占比类指标。占比表示占整体份额的情况，多用于衡量市场份额或重要程度，常见的占比有：机型占比、版本占比、新增用户占比、渠道占比、行业占比等。比如运营商看新增用户指标时，往往更加关注新增用户占比，即某家运营商新增用户占整个行业新增用户比例，这代表了某家运营商的市场竞争能力，是更有意义的指标。

       3）综合性指标。往往是多个指标组合得到，每个组成指标根据其重要程度赋予不同的权重，最常见的例子是如上证指数等股票指数。例如，可以通个各个相关指标的线性组合评估渠道的健康度，生成渠道健康度指标，还可以通过相关指标线性组合来评估合作游戏的价值，生成游戏综合价值指标。

       4）均值类指标。包括日均、人均等，比如日均活跃用户、日均新增用户等，日均主要是为了方便比较不同时间段的情况，当然也可能是日均比月的数据更有意思，特别是针对一些高频业务来说；人均就主要是为了衡量单位效益情况，我们不仅要关心绝对值，还要关心人均值，方便不同体量的对比，如北京和梵蒂冈的经济肯定不是一个体量的，但是可以对比人均GDP。

       5）累计类指标。累计一般是按周累计、按月累计、按季度累计、按年累计等，累计是为了更好看出长期目标执行的怎么样，比如全年的目标是收入1000万，光看日、月收入肯定是不够的，还要看从年初截止目前的收入情况，离目标的差距是多少。

5、怎样看指标

       指标体系最重要的作用是监控业务运营和定位问题的，并不是有个完善的指标体系就一劳永逸了，更重要的是学会看指标，能够从指标中发现问题、发现有价值的信息。看指标主要有以下几个方面：

       1）细分的看。按照不同维度深入看指标，这对于定位问题十分有用，如针对安装量下降了，你会去看是什么机型的安装量下降了，是什么渠道的安装量下降了等。

       2）对比的看。通过按照不同时间（环比、同比等）、不同群体（流失和非流失）、不同产品（竞品）进行对比，发现差距。给你一个绝对值，比如收入1000万，其实你是不知道这到底是好还是坏，只有通过对比，这个绝对值才是有意义的，比如同比去年增长了20%，那肯定就是一个好的现象，但跟竞品还有很大的差距，收入只有竞争对手的10%，这就看出还有很大的改善空间。

       3）长趋势的看。通过长的时间趋势看指标，发现指标的发展趋势，洞察指标的问题和规律。例如，有时候你从一个短的期间看，活跃用户一直保持稳定，但是当你从一个一年的长趋势来看的时候，明显会发现活跃用户有一个下滑的趋势。

6、怎样构建运营指标体系

       业务的运营指标体系的最终呈现肯定是产品化、平台化，建成相应的系统平台让决策人员、业务人员等去查看，比如DW平台、仪表盘，以前BI就主要是做这部分工作，里面的各个报表、指标就是业务人员能够监控到的业务的方方面面。要构建好的业务运营指标体系，主要需要注意一下几点：指标体系一定是立足于业务的，指标体系一定是结构化的，指标体系需要有良好的可视化。

6.1、立足于业务

       指标体系最终都是为业务服务的，所以指标体系的构建的出发点一定是基于业务的，真正呈现业务想要的东西。在这里我想说明的是，基于业务有主动基于业务和被动基于业务之分，现在大的企业，数据部门和业务部门往往是分开，报表的需求基本都是由业务方提出的，数据部门负责将报表按照需求实现即可。

       这就是我说的被动基于业务，业务方说做什么，数据部门就做什么，既然是业务方提出的，肯定是他们业务所需的，那就肯定是基于业务的。但是这往往是不够，你不能期望被动基于业务就能做出好的运营指标体系，因为这要求业务方有很丰富的数据化运营经验，明确知道自己要什么报表、什么指标来监控自己的业务，这在现实工作往往是不现实的。现实工作中，业务方没有那么多的数据化运营经验，不知道有什么数据、不知道数据能做什么、不知道自己的工作可以用到什么数据、不知道自己应该看什么数据、不知道怎样用数据辅助自己运营和决策，这些才是常态，所以单靠业务方很难提出一个完善的业务指标体系，这就需要数据部门的主动基于业务。

       数据部门往往拥有更好的数据理解，知道我们有什么数据，能够收集到什么数据，基于对业务的理解，数据部门就能为业务方提供很多指标体系上的建议。另外，数据部门往往有一个整合的数据视角，数据部门往往负责多个业务的数据，各个业务由于其关注重点、业务人员数据化运营思维的不同，对指标体系有不同的要求，其中有个性也有共性，数据部门这时就能整合这些指标体系，可以提供统一的规范，可以基于其它业务的实践进行建议，如一个业务关注了其重点流程的漏斗转化，而另一个业务没有

关注，数据部门就可给另一个业务进行相应建议。

6.2、结构化体系

       这在本文的开头就已经提到，结构化的好处主要有两个：一是当指标发生异常时，能够通过结构化的指标体系来定位问题；二是当我们要造成某个kpi指标时，可以通过指标体系来分解指标，让我们知道可以从哪些方面着手。

       业务指标体系的问题定位功能很是重要的，但是也是现在绝大多数运营指标体系所缺失的，往往只为业务人员提供了一个监控业务发展情况的平台，业务人员更需要的是及时的异常预警和准确的问题定位。这时候，结构化的业务指标体系则能够发挥重大作用，通过结构化的指标分解，再结合各个指标分析维度，最后能够很好地定位指标异常原因。比如，游戏安装量下降了，我们通过结构化的指标体系，可以看到是新安装量下降了还是更新安装量下降了，是来源于哪个页面的安装量下降了，是来源于哪个渠道的安装量下降了，是哪个漏斗转化流程转化率下降了，是哪一类游戏安装量下降了等，再结合各个分析维度，最终定位指标异常原因。

       当然，并不是说针对每一个指标都要进行这样的结构化分解，那整个指标体系将会庞大无比，让业务人员完全找不着方向，但是至少我们要对业务的最重要的指标进行结构化的分解，如对游戏中心来说，最重要的指标当然就是流水、活跃用户、安装量，就是前面RUN指标体系所介绍的收入、活跃用户、核心业务量。

6.3、良好的可视化能力

       好的可视化能力对DW平台来说是非常重要的，能够让业务人员快速发现问题和规律。俗话说，字不如表，表不如图，你一大段文字描述的东西比不上一张表所表达的，你一张大表所表达的不如一张简单的图所表达的。比如，你要描述公司近20年的收入，你如果用文字的话要不知道多少个字才能描述清楚，看的用户还要自己去找有用的东西，如果你换成表，用户则能够知道每年的收入、增长率是多少。但是我要看整个收入增长趋势是什么，哪一年的收入最高，哪一年的收入增长率最高时，表就显得很苍白了，你要在表里找半天、对比半天才能找出来，这时候一张简单的柱状图+折线图的图则能说明一切，让你发现你想知道的信息。

       针对于DW平台来说，每个报表的上面都应有一个趋势图或者分布图，进行清晰的可视化呈现，如柱状图、折线图、饼图、地图、面积图等。并将每个报表预警的指标放在显然的位置，并用显著的颜色标注，如红橙黄预警，让业务人员一眼能够发现问题所在，然后根据结构化指标体系对预警指标进行深入分析，再进行运营、产品调整。